如何返回具有重复元素的Ruby数组交集？ （骰子系数中的双字母问题）

Question

我正在尝试编写Dice的系数，但是我对阵列交叉点有点问题。

def bigram(string)
  string.downcase!
  bgarray=[]
  bgstring="%"+string+"#"
  bgslength = bgstring.length
  0.upto(bgslength-2) do |i|
    bgarray << bgstring[i,2]
   end
   return bgarray
 end

def approx_string_match(teststring, refstring)
  test_bigram = bigram(teststring) #.uniq
  ref_bigram = bigram(refstring)   #.uniq

  bigram_overlay = test_bigram & ref_bigram

  result = (2*bigram_overlay.length.to_f)/(test_bigram.length.to_f+ref_bigram.length.to_f)*100

  return result
end

问题是，和＆amp;删除重复项，我得到这样的东西：

string1="Almirante Almeida Almada"
string2="Almirante Almeida Almada"

puts approx_string_match(string1, string2) => 76.0%

它应该返回100.

uniq方法指出它，但是信息丢失，可能会在我工作的特定数据集中带来不必要的匹配。

如何获得包含所有重复项的交叉点？

Answer 1

正如 Yuval F 所说，你应该使用 multiset 。但是，Ruby标准库中没有 multiset ，请查看此处和此处。

如果性能对您的应用程序并不重要，您仍然可以使用 Array 并使用一点代码来完成。

def intersect  a , b  
    a.inject([]) do |intersect, s|
      index = b.index(s)
      unless index.nil?
         intersect << s
         b.delete_at(index)
      end
      intersect        
    end
end

a=  ["al","al","lc" ,"lc","ld"]
b = ["al","al" ,"lc" ,"ef"]
puts intersect(a ,b).inspect   #["al", "al", "lc"]

Answer 2

来自此链接我相信你不应该使用Ruby的集合而是多重集合，以便每个二元组都计算它出现的次数。也许你可以将这个宝石用于多重集合。这应该为重复出现的双字母组织提供正确的行为。

Answer 3

根据@pierr的回答，我玩弄了一段时间，结果就是这样。

a = ["al","al","lc","lc","lc","lc","ld"]
b = ["al","al","al","al","al","lc","ef"]
result=[]
h1,h2=Hash.new(0),Hash.new(0)
a.each{|x| h1[x]+=1}
b.each{|x| h2[x]+=1}
h1.each_pair{|key,val| result<<[key]*[val,h2[key]].min if h2[key]!=0}
result.flatten

<代码> =＆GT; [＆quot; al“，”al“，”lc“]

这可能是 a ＆amp;的多重交叉。 b 但是不要接受我的话，因为我没有对它进行足够的测试以确定。